第1章 大數(shù)據(jù)與市場營銷 1
1.1 大數(shù)據(jù)產(chǎn)生的背景 1
1.1.1 人類社會(huì)進(jìn)步與大數(shù)據(jù)時(shí)代 1
1.1.2 大數(shù)據(jù)爆發(fā)原因 3
1.2 大數(shù)據(jù)的內(nèi)涵 6
1.2.1 大數(shù)據(jù)的定義 6
1.2.2 大數(shù)據(jù)的特征 8
1.3 大數(shù)據(jù)營銷概論 9
1.3.1 大數(shù)據(jù)營銷的發(fā)展 9
1.3.2 大數(shù)據(jù)營銷的應(yīng)用 14
本章小結(jié) 15
第2章 大數(shù)據(jù)營銷分析基礎(chǔ) 16
2.1 數(shù)據(jù)挖掘標(biāo)準(zhǔn)過程模型 16
2.2 大數(shù)據(jù)營銷的基本流程 18
2.3 大數(shù)據(jù)營銷的核心能力 21
2.3.1 大數(shù)據(jù)挖掘成功的要素 21
2.3.2 成為合格的大數(shù)據(jù)營銷人員 23
2.4 大數(shù)據(jù)營銷的分析模型與工具 25
2.4.1 常用的大數(shù)據(jù)營銷分析模型 25
2.4.2 大數(shù)據(jù)營銷分析工具 26
本章小結(jié) 29
第3章 數(shù)據(jù)準(zhǔn)備 31
3.1 數(shù)據(jù)準(zhǔn)備概要 31
3.1.1 數(shù)據(jù)結(jié)構(gòu)類型 31
3.1.2 數(shù)據(jù)準(zhǔn)備工作內(nèi)容 32
3.2 數(shù)據(jù)清洗 33
3.2.1 缺失值處理 33
3.2.2 異常值處理 35
3.3 數(shù)據(jù)變換 37
3.3.1 數(shù)據(jù)規(guī)范化 37
3.3.2 數(shù)據(jù)規(guī)約 38
3.3.3 數(shù)據(jù)正態(tài)化 40
3.4 數(shù)據(jù)集成 41
3.4.1 實(shí)體識別 41
3.4.2 冗余屬性識別 41
3.4.3 刪除動(dòng)作的討論 42
本章小結(jié) 44
第4章 數(shù)據(jù)探索 45
4.1 探索性數(shù)據(jù)分析 45
4.1.1 探索性數(shù)據(jù)分析的概念 45
4.1.2 探索性數(shù)據(jù)分析的內(nèi)容和步驟 46
4.2 探索數(shù)據(jù)特征 47
4.2.1 認(rèn)識數(shù)據(jù)集 47
4.2.2 探索分類型變量 50
4.2.3 探索數(shù)值型變量 56
4.2.4 探索變量的多元關(guān)系 61
4.3 發(fā)現(xiàn)派生特征變量 65
4.3.1 基于數(shù)據(jù)集觀察的發(fā)現(xiàn) 66
4.3.2 基于領(lǐng)域知識的發(fā)現(xiàn) 70
本章小結(jié) 80
第5章 消費(fèi)者行為分析 81
5.1 消費(fèi)者行為分析概要 81
5.1.1 消費(fèi)者行為的內(nèi)涵 81
5.1.2 消費(fèi)者行為分析的內(nèi)涵 82
5.2 回歸分析 83
5.2.1 線性回歸 83
5.2.2 邏輯回歸 85
5.3 邏輯回歸分析實(shí)例 87
5.3.1 數(shù)據(jù)集 87
5.3.2 數(shù)據(jù)分析與可視化 88
5.3.3 回歸分析 92
5.4 決策樹 99
5.4.1 決策樹簡介 99
5.4.2 決策樹的分類算法 100
5.4.3 決策樹的使用條件 101
5.5 決策樹分析實(shí)例 101
5.5.1 數(shù)據(jù)集 101
5.5.2 數(shù)據(jù)分析與可視化 103
5.5.3 決策樹分析 109
本章小結(jié) 113
【實(shí)訓(xùn)——會(huì)員留存分析】 114
第6章 商品分析與推薦 117
6.1 商品分析概要 117
6.1.1 商品分析的內(nèi)涵 117
6.1.2 商品分析的目標(biāo) 118
6.2 商品分析實(shí)例 119
6.2.1 數(shù)據(jù)集概況 119
6.2.2 趨勢分析 122
6.3 商品推薦實(shí)現(xiàn) 133
6.3.1 商品推薦系統(tǒng) 133
6.3.2 協(xié)同過濾算法 134
6.3.3 商品推薦實(shí)例 135
本章小結(jié) 145
【實(shí)訓(xùn)——服裝銷售數(shù)據(jù)分析】 146
第7章 營銷效果預(yù)測 150
7.1 市場營銷預(yù)測基礎(chǔ) 150
7.1.1 市場營銷中的預(yù)測分析 150
7.1.2 分類模型的評估 151
7.2 隨機(jī)森林模型 152
7.2.1 隨機(jī)森林的工作原理 152
7.2.2 隨機(jī)森林算法的優(yōu)缺點(diǎn) 155
7.2.3 隨機(jī)森林算法的應(yīng)用場景 155
7.3 市場營銷預(yù)測實(shí)例 156
7.3.1 數(shù)據(jù)集及其特征變量的選擇 156
7.3.2 特征變量的編碼 158
7.3.3 建立預(yù)測模型 160
本章小結(jié) 166
【實(shí)訓(xùn)——價(jià)格優(yōu)惠和客戶態(tài)度分析】 166
第8章 客戶終身價(jià)值預(yù)測 169
8.1 客戶終身價(jià)值基礎(chǔ) 169
8.1.1 客戶終身價(jià)值的內(nèi)涵 169
8.1.2 客戶終身價(jià)值的意義 170
8.1.3 客戶終身價(jià)值的計(jì)算與分析 171
8.2 回歸模型的評估 172
8.3 客戶終身價(jià)值預(yù)測實(shí)例 173
8.3.1 數(shù)據(jù)集概況與數(shù)據(jù)清理 173
8.3.2 數(shù)據(jù)分析 177
8.3.3 價(jià)值預(yù)測 180
本章小結(jié) 187
【實(shí)訓(xùn) 1 ——流量分析】 187
【實(shí)訓(xùn) 2 ——汽車銷售量預(yù)測】 189
第9章 客戶細(xì)分 191
9.1 客戶管理基礎(chǔ) 191
9.1.1 客戶管理的定義 191
9.1.2 客戶管理的內(nèi)容 192
9.1.3 大數(shù)據(jù)在客戶管理中的作用 193
9.2 聚類算法 194
9.2.1 聚類算法應(yīng)用場景 194
9.2.2 聚類算法原理 195
9.2.3 k-means聚類算法的步驟 197
9.3 客戶細(xì)分中的聚類算法實(shí)例 198
9.3.1 數(shù)據(jù)集概況及數(shù)據(jù)清理 198
9.3.2 k - means聚類算法 202
9.3.3 解釋客戶群體 205
本章小結(jié) 207
【實(shí)訓(xùn)——會(huì)員分群數(shù)據(jù)分析】 208
第10章 A/B測試 210
10.1 A/B測試基礎(chǔ) 210
10.1.1 A/B測試的概念 210
10.1.2 A/B測試的步驟 211
10.1.3 A/B測試的意義 214
10.2 營銷的A/B測試與檢驗(yàn) 215
10.2.1 營銷的A/B測試 215
10.2.2 統(tǒng)計(jì)假設(shè)檢驗(yàn) 215
10.3 A/B測試的評估實(shí)例 216
10.3.1 數(shù)據(jù)集概況 216
10.3.2 數(shù)據(jù)分析 218
10.3.3 統(tǒng)計(jì)假設(shè)檢驗(yàn) 223
本章小結(jié) 227
【實(shí)訓(xùn)—— A/B測試數(shù)據(jù)分析】 227